利用机器学习预测量子退火精度
量子物理
2022-10-27 v1 新兴技术
机器学习
摘要
量子退火机，例如由 D-Wave Systems, Inc. 制造的设备，提供了一种计算可用伊辛或 QUBO（二次无约束二值优化）形式表达的 NP 难问题解的方法。尽管此类解通常质量很高，但由于当前代量子退火机的缺陷，问题实例通常无法被最优求解。在本文中，我们旨在理解导致问题实例难解的一些因素，并使用机器学习模型来预测 D-Wave 2000Q 退火机求解特定问题的精度。我们聚焦于最大团问题，这是一个在网路分析、生物信息学和计算化学中有重要应用的经典 NP 难问题。通过在边数等基础问题特征或 D-Wave 的链强度等退火参数上训练机器学习分类模型，我们能够将某些特征按其对于解难度的贡献排序，并给出一个简单的决策树，可用于预测某问题能否被 D-Wave 2000Q 最优求解。我们通过训练一个预测 D-Wave 所发现团大小的机器学习回归模型扩展了这些结果。
引用
@article{arxiv.2106.00065,
title = {Using machine learning for quantum annealing accuracy prediction},
author = {Aaron Barbosa and Elijah Pelofske and Georg Hahn and Hristo N. Djidjev},
journal= {arXiv preprint arXiv:2106.00065},
year = {2022}
}